Жанр: Учеба
Распознавание образов на ЭВМ
...ем используются принципы перечисления
членов класса и общности свойств. Обычно системы,
построенные такими методами, включают набор
специфических процедур, разработанных применительно к
конкретным задачам распознавания. Пример подобного
подхода в связн с задачей распознавания символов, в которой
классификация образа (символа) производилась на основе
выделения определеиных признаков, в частности таких, как
количество и последовательность расположения
специфических штрихов (черточек). Хотя эвристический
подход играет большую роль в построении систем
распознавания образов, не много может быть сказано
относительно общих принципов синтеза, так как
решение.каждой конкретной задачи требует использования
специфическнх приемов разработки системы. Это означает,
следовательно, что структура и качество эвристической
системы в значительной степени определяются одаренностью
и опытом разработчиков.
3.5 Математические методы
B основу математического подхода положены правила
классификации, которые формулируются и выводятся в
рамках определенного математического формализма с
помощью принципов общности свойств и кластеризации.
Этим данный подход отличается от эвристического, в котором
решения определяются с помощью правил, тесно связанных с
характером решаемой задачи. Математические методы
построения систем распознавания можно разделить на два
класса: детерминистские и статистические.
Детерминистский подход базируется на математическом
аппарате, не использующем в явном виде статистические
свойства изучаемых классов образов.
Статистический подход основывается на математических
правилах классификации, которые формулируются и
выводятся в терминах математической статистики.
Построение статистического классификатора в общем случае
предполагает использование байесовского
классификационного правила и его разновидностей Это
правило обеспечивает получение оптималыюго
классификатора в тех случаях, когда известны плотности
распределения для всех совокупностей образов и вероятности
появления образов для каждого класса.
3.6 Лингвистические (синтаксические) методы
Если описание образов производится с помощью
непроизводных элементов (подобразов) и их отношений, то
для построения автоматических систем распознавания
применяется лингвистический или синтаксический подход с
использованием принципа общности свойств. Образ можно
описать с помощью иерархической структуры подобразов,
аналогичной синтаксической структуре языка. Это
обстоятельство позволяет применять при решении задач
распознавания образов теорию формальных языков.
Предполагается, что грамматика образов содержит конечные
множества элементов, называемых переменными,
непроизводными элементами и правилами подстановки.
Характер правил подстановки определяет тип грамматики.
Среди наиболее изученных грамматик можно отметить
регулярные, бесконтекстные и грамматики непосредственно
составляющих. Ключевыми моментами данного подхода
являются выбор непроизводных элементов образа,
объединение этих элементов и связывающих их отношений в
грамматики образов и, наконец, реализация в
соответствующем языке процессов анализа и распознавания.
Такой подход особенно полезен при работе с образами,
которые либо не могут быть описаны числовыми
измерениями, либо столь сложны, что их локальные
признаки идентифицировать не удается и приходится
обращаться к глобальным свойствам объектов.
Выбор метода синтеза системы еще не решает до конца
проблему составления конкретной программы и проблемы
реализации. B большинстве случаев у нас в распоряжении
имеются репрезентативные образы, представляющие каждый
из рассматриваемых классов. B таких ситуациях можно
воспользоваться методами распознавания, называющимися
обучением с учителем. B схеме обучения с учителем система
"обучается" распознавать образы с помощью разного рода
адаптивных схем. Ключевыми элементами такого подхода
являются обучающие множества образов, классификация
которых известна, и реализация соответствующей процедуры
обучения.
B некоторых прикладных задачах принадлежность к
определенным классам элементов обучающего множества
неизвестна. B таких случаях можно обратиться к методам
распознавания образов, называющимся распознаванием без
учителя. Как указывалось ранее, распознавание по схеме
"обучение с учителем" характеризуется тем, что известна
правильная классификация каждого обучающего образа. B
случае "обучения без учителя" требуется, однако, конкретно
изучить классы образов, которые имеются в данной
информации.
Важно ясно представлять себе, что обучение происходит
только на этапе построения (или коррекции в связи с
поступлением новой информации) системы распознавания.
Как только система, работая с обучающим множеством
образов, добивается приемлемых результатов, ей
предлагается реальная задача распознавания пробных
объектов, взятых из той среды, в которой системе предстоит
работать. Естественно, качество распознавания будет в
существенной степени определяться тем, насколько хорошо
обучающие образы представляют реальные данные, с
которыми система будет сталкиваться в процессе нормальной
эксплуатации.
4. Краткая история вопроса появления
технических систем автоматического
распознавания и методов их создания.
Длительное время вопросы распознавания рассматривались
человеком лишь с позиций методов биологии и психологии.
При этом целью изучения являлись в основном
качественные характеристики, не позволяющие вскрыть и
точно описать соответствующий механизм. Если и
получались числовые характеристики, то они, как правило,
были связаны с изучением рецепторов, таких как органы
зрения, слуха, осязания. Что же касалось характеристик
принятия решений, то до их математической оценки дело не
доходило. И только кибернетика позволила ввести в изучение
психологического процесса распознавания образов, лежащего
в основе принятия любых решений, количественные методы,
что открыло принципиально новые возможности в
исследовании и проектировании автоматических систем
распознавания. Только кибернетика позволила ввести в
область распознавания, как явления природы,
математические представления. В этом можно увидеть в
частности реализацию взглядов Галилея, который утверждал:
"Книга природы написана на языке математики. И тот, кто
хочет прочесть ее, должен изучать этот язык".
Исторически сложилось, что многие задачи такого класса, как
распознавание метеоосадков; распознавание авиационной
ситуации в районе аэропорта авиадиспетчером;
распознавание полосы посадки летчиком в сложных
условиях, человек, как правило, решает эффективно, то есть с
необходимым качеством. Этим и объясняется исторически
появившаяся необходимость использования человека в
качестве элемента или звена сложных автоматических
систем.
Примечательно то, что в процессе указанной деятельности
человека число принимаемых решений по результатам
распознавания ситуаций конечно, в то время как число
состояний внешней среды, оцениваемых в процессе самого
распознавания и приводящих к указанным решениям, может
быть бесконечным.
Это можно видеть на примере машинистки, печатающей под
диктовку. Из бесчисленного множества вариантов
произношения одного и того же звука она выбирает только
один, всегда ударяя по одной, определенной клавише
пишущей машинки. В результате она безошибочно печатает
слова, независимо от их искажения при устном
произнесении.
К принятию такого конечного числа решений человек
подготовлен всем своим жизненным опытом. Поэтому
принятие идеологии автоматизации указанных процессов,
замены человека как звена автоматических систем привело
к тому, что человечество прежде всего научилось строить
автоматы, способные реагировать на множество изменений
характеристик внешней среды некоторым ограниченным
числом рациональных решений (реакций) исполнительных
органов этих автоматов. Это не значит, что были найдены
механизмы, лежащие в основе человеческих и природных
способностей распознавания, но главные особенности этих
способностей, лежащие на поверхности представлений,
созданные автоматы во многих случаях хорошо имитировали.
Например, автомат, управляющий технологическим
процессом выпуска некоторой продукции, реагирует на
случайные изменения качества ее путем регулирования
количества той или иной компоненты исходного материала,
режима работы и т.п., но только при достижении
определенного уровня этих изменений. То есть, реакция
осуществляется не на любое изменение, а на множество их,
совокупность.
В результате человечество пришло к ситуации, когда
распознающие устройства могут повышать, например,
эффективность систем связи (распознавая сигналы в шумах),
помогают устанавливать объективный диагноз заболеваний
(распознавая всегда однозначно в отличии от человека
симптомы-признаки заболеваний), дают возможность
осуществлять автоматический контроль сложных
технических систем и вовремя вмешиваться и проводить их
ремонтно-восстановительные работы и т.д.
Создание устройств, которые выполняют функции
распознавания различных объектов, во многих случаях
открывает возможность замены человека как элемента
сложной системы специализированным автоматом. Такая
замена позволяет значительно расширить возможности
различных систем, выполняющих сложные информационнологические
задачи. Заметим здесь, что качество работ,
выполняемых человеком на любом рабочем месте зависит от
квалификации, опыта, добросовестности, состояния. В то же
время автомат его заменяющий действует однообразно и
обеспечивает всегда одинаковое качество, если он исправен.
Но не только указанная замена и освобождение человека от
выполнения рутинных операций является причиной
создания и поиска путей создания ряда систем
распознавания. В некоторых случаях человек вообще не в
состоянии решать эту задачу со скоростью, задаваемой
обстоятельствами, не зависимо от качеств и
психологического состояния принимающего решение
(Например: противоракетный маневр самолета в сложных
метеоусловиях; вывод из рабочего режима АЭС и т.п.).
Автомат же с такими задачами может легко справляться.
Итак, основные цели замены человека в задачах
распознавания сводятся к следующим:
- Освобождение человека от однообразных рутинных
операций для решения других более важных задач.
- Повышение качества выполняемых работ.
- Повышение скорости решения задач.
В течение достаточно продолжительного времени проблема
распознавания привлекает внимание специалистов в области
прикладной математики, а затем и информатики. Так можно,
в частности, отметить работы Р.Фишера, выполненные в 20-х
годах и приведшие к формированию дискриминантного
анализа, как одного из разделов теории и практики
распознавания. В 40-х годах А.Н.Колмогоровым и
А.Я.Хинчиным поставлена задача о разделении смеси двух
распределений.
Наиболее плодотворными явились 50-60-е годы ХХ века. В
это время на основе массы работ появилась теория
статистических решений. В результате этого появления
найдены алгоритмы, обеспечивающие отнесение нового
объекта к одному из заданных классов, что явилось началом
планомерного научного поиска и практических разработок. В
рамках кибернетики начало формироваться новое научное
направление, связанное с разработкой теоретических основ и
практической реализации устройств, а затем и систем,
предназначенных для распознавания объектов, явлений,
процессов.
Новая научная дисциплина получила название
"Распознавание образов". Таким образом, базой для решения
задач отнесения объектов к тому или иному классу
послужили, как это отмечается сегодня, результаты
классической теории статистических решений. В ее рамках
строились алгоритмы , обеспечивающие на основе
экспериментальных измерений параметров (признаков),
характеризующих этот объект, а также некоторых априорных
данных, описывающих классы, определение конкретного
класса, к которому может быть отнесен распознаваемый
объект.
В последующем математический аппарат теории
распознавания расширился за счет применения:
1 разделов прикладной математики;
2 теории информации;
3 методов алгебры логики;
4 математического программирования и системотехники.
(Системотехника - научное направление, охватывающее
проектирование, создание, испытания и эксплуатацию
сложных систем).
К середине 70-х годов определился облик распознавания как
самостоятельного научного направления, появилась
возможность создания нормальной математической теории
распознавания. В этом нам придется убедиться, а также
приобрести необходимые навыки, прослушав курс "Основы
построения систем распознавания образов".
Первая отечественная работа в области распознавания
образов - работа основоположника современной теории
информации Харкевича Александра Александровича -
"Опознавание образов" ."Радиотехника" т.14,15. 1959 г.
Наши отечественные ученые, внесшие существенный вклад
в эту дисциплину:
В.М.Глушков, В.С.Михалевич, В.С.Пугачев, Н.П.Бусленко,
Ю.И.Журавлев, Я.З.Цыпкин, А.Г.Ивахненко, М.А.Айзерман,
Э.М.Браверман, М.М.Бонгард, В.Н.Вапник, Г.П.Тартаковский,
В.Г.Репин, Л.А.Растригин, А.Л.Горелик и др.
Зарубежные ученые:
Ф.Розенблатт - 1957г , Персепторон - простейшая модель
мозга, решающая задачи распознавания.
Р.Гонсалес, У.Гренандер, Р.Дуда, Г.Себестиан, Дж.Ту, К.Фу,
П.Харт.
5. Системы распознавания.
До этого мы говорили о проблеме распознавания в целом, о
теории, о возможности замены человека автоматом. Теперь
сосредоточим внимание на практическом применении
соответствующих знаний. При этом обратим внимание и на
то, что те практические реализации методов распознавания ,
о которых в этих случаях шла речь, носят название систем
распознавания (СР).
Здесь необходимо подчеркнуть, что именно центральную
задачу распознавания образов представляет построение на
основе систематических теоретических и экспериментальных
исследований эффективных вычислительных средств
(объединяемых в понятии "системы распознавания") для
отнесения описаний с объектов, явлений, процессов к
соответствующим классам.
Широкий круг задач, возлагаемых на такие системы,
определяется приведенным нами определением самого
понятия "распознавание" и включает выяснение по
разнородной, часто неполной, нечеткой, искаженной и
косвенной информации факта, обладают ли изучаемые
объекты, явления, процессы, ситуации фиксированным
конечным набором свойств, позволяющим отнести их к
определенному классу. Сюда входят как непосредственно
задачи распознавания и классификации, так и такие задачи, в
результате решения которых на основе распознавания
требуется выяснить, в какой области из конечного числа
областей будут находиться некоторые процессы через
определенный промежуток времени.
Отсюда понятно, что к задачам распознавания должны
относиться задачи технической и медицинской диагностики,
геологического прогнозирования, прогнозирования свойств
химических соединений, распознавания свойств
динамических и статических объектов в сложной фоновой
обстановке и при наличии активных и пассивных помех,
прогнозирования урожая, обнаружения лесных пожаров,
управления производственными процессами.
Разработки систем распознавания, начатые с 50-х годов,
исчисляются тысячами. Сегодня уже трудно назвать такую
отрасль науки и сферы производства, где СР не используются
или не будут. При этом применение методов распознавания в
ряде направлений науки и техники оказывает обратное
влияние на эти направления, поистине
революционизирующее влияние. Рассмотрим некоторые
применения.
5.1 Системы технической диагностики
Их внедрение - важнейший фактор повышения
эффективности использования машин и технологического
оборудования, резкого сокращения расходов на
эксплуатацию.
Исторически сложившаяся тенденция усложнения, а значит
удорожания машин постоянно увеличивает затраты на
эксплуатацию. Выход - переход к системам технической
диагностики (распознавания состояния машин), например,
безразборный поиск неисправностей. В результате вместо
планово-предупредительного ремонта - ремонт по
фактической необходимости. Например, в инструкции по
эксплуатации автомобиля предусмотрены плановые
технические обслуживания через 500 км, 1000 км, 2000 км и
т.д. Если же его оснастить системами распознавания
состояний, то от плановых ТО можно было бы отказаться
заменив их обслуживанием отдельных узлов и систем по
необходимости.
5.2 Медицинская диагностика
Автоматизированные системы диагностики в медицине -
путь увеличения:
- широты и глубины охвата симптомов;
( рассчитывать только на память врача во всех ситуациях
очень трудно. Лучше функцию памяти отдать компьютеру)
-оперативности;
(компьютер обеспечит почти мгновенный результат)
-достоверности.
(диагноз компьютера не зависит от внешних факторов, как
это случается с человеком)
5.3 Сельское хозяйство
Области применения здесь:
-распознавание размеров урожая по данным космических
наблюдений;
-уменьшение ручного труда при сортировке плодов по форме,
цвету и размерам и т.п.
5.4 Военное дело
Сложные системы вооружения:
-автоматический функциональный контроль технического
состояния систем и ввод резервирующих;
-роботы, обслуживающие фазированные антенные решетки
радаров.
На основе рассмотренного можно уже ответить на вопрос, что
же представляет собой СР.
В первом приближении:
"СР - это автоматическое вычислительное устройство,
предназначенное для распознавания образов.
Заметим, что это очень поверхностное определение. Сегодня
физически СР это и вычислительная машина как один
составляющий элемент СР;
-это и такие часто более дорогостоящие технические средства,
как средства обнаружения распознаваемых объектов
(например, патологических изменений того или иного органа
человека);
-это и средства измерений параметров обнаруженных
объектов (без них не получить признаков распознавания);
-это и математическое обеспечение, в составе которого:
методы и алгоритмы обработки измерительной информации;
методы и алгоритмы определения признаков распознавания;
методы и алгоритмы непосредственно распознавания
объектов, явлений , процессов ( построения решающих
правил отнесения объектов к тому или иному классу);
методы и алгоритмы в некотором смысле оптимального
управления процессом распознавания; методы и алгоритмы
оценки эффективности СР как на стадии проектирования,
так и в процессе ее функционирования;
-наконец, для больших систем это и коллектив
подготовленных специалистов обеспечивающих жизненный
цикл существования системы.
Рассмотрим подробнее отдельные элементы.
а) Средства обнаружения распознаваемых объектов.
К ним в разных областях применения относятся:
в медицине:
-рентгеновские аппараты;
-аппараты УЗИ;
-ЯМР-томографы;
-энцефалографы;
-рентгеновские томографы;
-кардиографы и т.д.
в военном деле:
-радиолокаторы;
-оптические (лазерные) локаторы;
-лазерные дальномеры;
-приемники гамма-излучения;
-сонары - ультразвуковые локаторы.
Средства обнаружения представляют дорогостоящую часть
СР. Но этим дорогостоящая часть СР не ограничивается.
б) Средства сопряжения.
Для сопряжения средств обнаружения с ЭВМ необходимы
специальные электронные устройства аппаратного
интерфейса. Эти составные части СР также достаточно
дорогостоящи.
в)Средства измерений параметров распознаваемых объектов,
явлений, процессов.
Средства измерений часто входят в состав обнаружителей
(РЛС - измерение дальностей, углов, Рс/Рш).
г) Методы и алгоритмы обработки измерительной
информации
Часто для получения признаков распознавания или
параметров , которые их обусловливают необходима
специальная математическая обработка (пример, для РЛС -
определение дальностей целей по временной задержке
сигналов, угловых координат по разности фаз, коэффициентов
лобового сопротивления целей по координатам и их
производным и т.п.).
Сам процесс назначения признаков - творческий процесс,
говорят - эвристический, зависящий от человека.
д) Методы и алгоритмы принятия решения о принадлежности
объектов распознавания.
е) Методы и алгоритмы оптимального управления
распознаванием.
ж) Методы и алгоритмы оценки эффективности
распознавания.
Как алгоритмы принятия решений, так и управление
распознаванием, так и оценка эффективности определяются
сложностью систем распознавания и представляют
концентрированное применение комплекса математических
операций соответствующего назначения.
з) Э В М
Наконец, ЭВМ. Это обязательный элемент современной СР.
Вся обработка измерений с целью выделения признаков
распознавания, вся математика классификации, управления
и оценки эффективности выполняется ЭВМ. Само развитие
теории и методов распознавания обязано появлению ЭВМ.
и) Коллектив подготовленных специалистов.
Такая составляющая на первый взгляд не имеет отношения к
системе. Однако без коллектива подготовленных
специалистов трудно обойтись в больших системах, решения
которых чрезвычайно ответственны. В таких системах
оценка эффективности - это показатель, которым пользуются
с момента создания СР и до конца ее существования. При
этом пользуются этим показателем специалисты, а не
система. А сама необходимость такого использования связана
с тем, что в процессе работ появляется возможность повысить
эффективность СР за счет получения новых данных и
уточнения параметров системы в результате анализа
специалистами конкретного случая распознавания с
последующим уточнением этими специалистами имеющихся
параметров. То есть, система в течение своей жизни (говорят
- "жизненного цикла") изменяется (динамизм системы).
Таким образом, СР - сложная динамическая система,
состоящая в общем случае из коллектива подготовленных
специалистов и совокупности технических средств получения
и переработки информации, обеспечивающих на основе
специально сконструированных алгоритмов решение задачи
классификации соответствующих объектов, явлений или
процессов.
После того, как описан состав и функции элементов СР, для
завершения общих представлений о проблеме распознавания
можно провести и некоторые поверхностные сравнения
технических СР и такой совершенной СР, как человек.
Так рецепторы человека, к которым мы относим зрительные,
слуховые, осязательные, обонятельные и вкусовые
рецепторы - это средства обнаружения, а иногда и измерения
характеристик распознаваемых объектов, явлений,
процессов. Тут аналогия полнейшая.
Далее на пути оперирования с информацией у технических
СР стоит устройство сопряжения с ЭВМ. Естественными
аналогами его являются биологические средства связи
человеческих рецепторов с мозгом, выполняющим роль ЭВМ.
Но это, пожалуй, - все, что мы сегодня знаем наверняка. И
вопросов здесь больше, чем ответов:
- какие функции выполняют рецепторы в части первичной
обработки результатов обнаружения объектов, явлений;
- каковы характеристики линий передачи данных от
рецепторов к мозгу как ЦВС;
- какие признаки выделяет система обработки;
- какие алгоритмы использует мозг для решения задачи
классификации, оптимального управления процессом
распознавания;
- как человеку удается избавиться от специфичности,
свойственной техническим СР и т.д.
В процессе нашего дальнейшего изучения предмета Вы сами
поставите еще много нерешенных в этом плане вопросов. А
их разрешение чрезвычайно важно для построения
быстродействующих и высокоэффективных технических СР,
помогающих человеку в его повседневной практике.
Достижение соответствующих целей - задачи XXI века.
Поділитися у соцмережах
